新冠肺炎相关谣言的分析与检测研究

发布时间：2024-06-28 00:58

　　5G时代的到来给人们带来了更快的信息交互体验。此次新冠肺炎疫情在国内爆发,社交平台上关于疫情的信息层出不穷,其中不乏一些虚假谣言。谣言实质上是一种舆论病毒,在抗疫阻击战中,它比真正的病毒更值得警惕。谣言经广泛传播,会造成不良的社会影响,其危害可能更大。谣言的产生反映出信息披露的盲点,本文首先对新冠肺炎相关谣言做数据分析和文本挖掘,找出关键内容,帮助相关部门做好信息共享,更及时准确地公布信息,让谣言失去传播的机会。关于谣言的检测,本文基于国内外学者已取得的研究成果,构建新的更有效的谣言检测模型,应用于新冠肺炎谣言的识别。社交网络已经成了人们现代生活必不可少的交流工具,影响着人们衣食起居各个方面,但获得的信息并不一定都真实可靠,针对新冠疫情,只有真实的消息才对大众和权威机构是有价值的。因此,在社交网络上,对新冠肺炎疫情的谣言检测非常重要。本文在社交平台上搜集了四个方面的数据作为本次实验的数据集:腾讯较真平台数据,微博“抗击新型肺炎第一线”话题数据,微博社区管理中心数据和疫情相关的普通微博数据。本文通过对疫情相关的用户个人信息和微博内容信息进行分析,提取文本信息、用户属性、交互行为及情感倾向...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    第一节 研究背景及意义
        一、研究背景
        二、研究意义
    第二节 国内外研究现状
        一、基于手工提取特征的谣言识别
        二、基于信息传播机制的谣言识别
        三、基于神经网络的谣言识别
    第三节 主要创新点与难点
        一、研究的创新点
        二、研究的难点
    第四节 研究思路与框架
        一、研究思路
        二、论文框架
    第五节 本章小结
第二章 谣言分析与检测的相关工作
    第一节 肺炎相关谣言的定义与获取
        一、肺炎相关谣言的定义
        二、谣言的获取
    第二节 数据分析方法及理论
        一、文本挖掘
            (一)文本权重计算
            (二)概率主题模型
        二、机器学习
            (一)支持向量机
            (二)朴素贝叶斯
            (三)集成学习
        三、深度学习
    第三节 本章小结
第三章 新冠肺炎相关谣言分析
    第一节 新冠肺炎谣言数据预处理
    第二节 词频分析
    第三节 情感分析
    第四节 同时期类比
    第五节 主题词分析
    第六节 本章小结
第四章 新冠肺炎相关谣言检测
    第一节 微博特征提取
        一、文本信息
        二、用户属性
        三、交互行为
        四、情感倾向
    第二节 模型评价指标
    第三节 实验过程
        一、支持向量机模型
        二、朴素贝叶斯模型
        三、集成学习模型
        四、深度学习模型
    第四节 特征重要性分析
    第五节 实验结果分析
第五章 总结与展望
    第一节 总结
    第二节 展望
参考文献
致谢
个人简历及在学期间发表的研究成果



本文编号：3996205